OpenPI

Physical Intelligence VLA-Grundlagenmodelle für allgemeine Robotersteuerung

Lizenz

Apache-2.0

Überblick

Physical Intelligence Open-Source Vision-Language-Action (VLA) Foundation Models für allgemeine Robotersteuerung. Enthält pi0, pi0-FAST und pi0.5 Modelle, vortrainiert auf über 10.000 Stunden Roboterdaten. Das erste universelle Roboter-Foundation-Model, das verschiedene Roboterplattformen für multiple Aufgaben steuern kann, darunter Wäsche falten, Kartons zusammenbauen, Tische abräumen und Kaffee kochen.

OpenPI ist ein Open-Source-Repository von Physical Intelligence mit Vision-Language-Action (VLA) Grundlagenmodellen und Trainingsinfrastruktur für Robotik. Es bietet Basis-Modell-Checkpoints, vortrainiert auf über 10.000 Stunden Roboterdaten, für Fine-Tuning und Inferenz. Verfügbare Modelle sind pi0 (flowbasiertes VLA), pi0-FAST (autoregessiv mit FAST Action Tokenizer) und pi0.5 (verbesserte Open-World-Generalisierung mit Wissens-Isolation). Das Projekt erreicht State-of-the-Art-Ergebnisse auf Benchmarks wie LIBERO und unterstützt diverse Aufgaben wie Wäsche falten, Kartons zusammenbauen, Tische abräumen und Kaffee kochen auf mehreren Roboterplattformen.

Das neueste Modell in diesem Repository ist pi0.5 vom September 2025. Im Oktober 2026 kündigte Physical Intelligence eine Pi API beta an, die seine neuesten Modelle auf anderem Weg anbietet: Man lädt Daten hoch, führt das Fine-Tuning auf von Physical Intelligence verwalteter Rechenleistung aus und betreibt das Ergebnis über gehostete Inferenz. Der Zugang zur Beta erfolgt auf Antrag. Der Beitrag sagt nicht, dass diese neuesten Modelle hier veröffentlicht werden. Auf eigener Hardware lassen sich also die Checkpoints aus diesem Repository betreiben.

Warum es wichtig ist

OpenPI repräsentiert das erste universell einsetzbare Roboter-Foundation-Model von Physical Intelligence. Die pi0-Modellfamilie zeigt, dass ein einziges VLA-Modell verschiedene Roboter über viele Aufgaben hinweg steuern kann, was einen Paradigmenwechsel hin zu Foundation Models in der Robotik signalisiert – ähnlich wie GPT es für Sprache getan hat.

Welches Problem es löst

Roboter-Policies für jede Aufgabe von Grund auf zu erstellen ist teuer und langsam. OpenPI bietet vortrainierte Grundlagenmodelle, die mit minimalen Daten für neue Aufgaben feinabgestimmt werden können, und senkt damit die Hürde für den Einsatz leistungsfähiger Roboterverhaltensweisen dramatisch.

Wichtigste Punkte

• Erstes Open-Source-Universalroboter-Grundlagenmodell (pi0, pi0-FAST, pi0.5)
• Vortrainiert auf über 10.000 Stunden diverser Roboterdaten über mehrere Verkörperungen
• Fähig zu komplexen mehrstufigen Aufgaben: Wäsche falten, Kartons zusammenbauen, Kaffee kochen
• Vision-Language-Action-Architektur verarbeitet sowohl visuelle Eingaben als auch Sprachanweisungen
• Offene Gewichte und Code ermöglichen der Community Feinabstimmung auf eigene Roboter-Setups

Für wen

• Robotik-Forscher, die Grundlagenmodelle erkunden
• Unternehmen, die Manipulationsroboter einsetzen
• ML-Ingenieure, die Roboter-Policies feinabstimmen
• Forschungslabore mit begrenzten Roboter-Demonstrationsdaten

Einschränkungen

• Erfordert erhebliche GPU-Ressourcen für Inferenz (große VLA-Modelle)
• Feinabstimmung benötigt weiterhin aufgabenspezifische Demonstrationsdaten
• Leistung hängt von der Ähnlichkeit zu den vortrainierten Roboter-Verkörperungen ab
• Realer Einsatz erfordert sorgfältige Sicherheitsbewertung
• In diesem Repository werden nicht die neuesten Modelle von Physical Intelligence angeboten: Seit Oktober 2026 kommen diese über die gehostete Pi API beta, auf Antrag. Das neueste Modell hier ist pi0.5.